《Ten Simple Rules for Reproducible Computational Research》对做计算科学方面研究的同仁有非常好的借鉴意义，本文结合我自己的经验对其阐述。

科学研究的可重复性（replication）和可复现性（reproducibility）非常重要，然而很多科研论文普遍遗漏了对结果可复现性非常重要的实验细节。

可复现性不仅是对所属研究领域的精神上的责任，缺乏可复现性也会成为研究者的负担。对可复现性的良好实践对于让先前开发的方法有效应用于新的数据，或者对代码的复用，以及对结果应用于新项目都非常必要。

科学研究的可复现性确保同行能够重现你的结果，这能增加他人对你的科研工作的信任、兴趣、以及引用。

下面结合我自己的经验对其阐述。

• For Every Result, Keep Track of How It Was Produced
  写文档记录每一个分析步骤的所有细节：软件的名称、版本、输入文件、精确的运行参数。尽量写脚本实现分析流程自动化。

• Avoid Manual Data Manipulation Steps
  尽量用shell命令或者写脚本，实现数据处理的自动化，避免手动处理。

• Archive the Exact Versions of All External Programs Used
  如果可能，打包所有外部程序，比如Interproscan5.0将软件和数据都组织好打包，方便他人使用。

• Version Control All Custom Scripts
  运用版本控制系统，如Subversion、Git和Mercurial。比如我在Github上托管了一些开源项目的代码，如果不便公开，实验室内部也可以自己搭建与Github类似的Gitlab。

• Record All Intermediate Results, When Possible in Standardized Formats
  这个我深有感触，特别是做大运算量、多步骤的分析时，保留中间结果让整个流程更清晰，也能避免因改变参数等情况花大量时间重头计算，此外也方便查错。

• For Analyses That Include Randomness, Note Underlying Random Seeds
  记录随机数种子，这是我最近才意识到的。因为大多编程语言的随机数生成器并非完全的随机，均是伪随机，需要通过设置随机数种子来增加随机性。当随机数种子不变时，能够复现随机数。

• Always Store Raw Data behind Plots
  最好把常见的图表绘制程序写成R包，再写R脚本自动读取原始数据来绘图，这样能保证图表风格的一致性，也能提高脚本的可复用性，轻松变换格式应对不同场合。
  我同学从她师姐那儿儿只得到图表，没有原始数据，当编辑让他修改图片格式的时候，他就没办法了。

• Generate Hierarchical Analysis Output, Allowing Layers of Increasing Detail to Be Inspected
  不仅单单给出最终的结论，还要良好地组织各子结果。文中推荐超文本文件(html文件)，Blast2GO便是采用此方法。某家生物信息学公司还专门开发了一套软件来管理分析结果。

• Connect Textual Statements to Underlying Results
  集成课题相关的材料，便于追踪课题思路和结果。我觉得可以为每一个课题专门建立网站来管理数据。

• Provide Public Access to Scripts, Runs, and Results
  计算方面的论文一般都要提供软件下载、或者在线服务，实验所采用的数据通常也应该提供下载。这样能提高审稿的质量和速度，也能增加论文被接受的机会，也能增加论文发表后被引用的机会，更重要的是有利于研究工作的长远发展。

此外，还有一些文中没有涉及的东西。下面是我的血泪史换来的一些经验：

• 课题数据的文件组织，我常见的组织形式：/backup, /data, /analysis, /scripts/, /paper, /reference, /doc。
• 良好的软件架构/结构，代码的模块化，代码重构，可移植性。
• 编码的规范性，比如Perl要用use strict，要用perltidy格式化代码
• 做完整的单元测试，避免今后后悔莫及。
• 如果数据量太大，要么多线程编程，要么把数据分割。并行计算。

希望对大家有用，欢迎大家补充。

本文转自爪爪《可复现的计算科学研究十条简单规则，以及自己的一些经验》http://blog.shenwei.me/ten-simple-rules-for-reproducible-computational-research/

《Ten Simple Rules for Reproducible Computational Research》对做计算科学方面研究的同仁有非常好的借鉴意义，本文结合我自己的经验对其阐述。

科学研究的可重复性（replication）和可复现性（reproducibility）非常重要，然而很多科研论文普遍遗漏了对结果可复现性非常重要的实验细节。

可复现性不仅是对所属研究领域的精神上的责任，缺乏可复现性也会成为研究者的负担。对可复现性的良好实践对于让先前开发的方法有效应用于新的数据，或者对代码的复用，以及对结果应用于新项目都非常必要。

科学研究的可复现性确保同行能够重现你的结果，这能增加他人对你的科研工作的信任、兴趣、以及引用。

下面结合我自己的经验对其阐述。

• For Every Result, Keep Track of How It Was Produced
  写文档记录每一个分析步骤的所有细节：软件的名称、版本、输入文件、精确的运行参数。尽量写脚本实现分析流程自动化。

• Avoid Manual Data Manipulation Steps
  尽量用shell命令或者写脚本，实现数据处理的自动化，避免手动处理。

• Archive the Exact Versions of All External Programs Used
  如果可能，打包所有外部程序，比如Interproscan5.0将软件和数据都组织好打包，方便他人使用。

• Version Control All Custom Scripts
  运用版本控制系统，如Subversion、Git和Mercurial。比如我在Github上托管了一些开源项目的代码，如果不便公开，实验室内部也可以自己搭建与Github类似的Gitlab。

• Record All Intermediate Results, When Possible in Standardized Formats
  这个我深有感触，特别是做大运算量、多步骤的分析时，保留中间结果让整个流程更清晰，也能避免因改变参数等情况花大量时间重头计算，此外也方便查错。

• For Analyses That Include Randomness, Note Underlying Random Seeds
  记录随机数种子，这是我最近才意识到的。因为大多编程语言的随机数生成器并非完全的随机，均是伪随机，需要通过设置随机数种子来增加随机性。当随机数种子不变时，能够复现随机数。

• Always Store Raw Data behind Plots
  最好把常见的图表绘制程序写成R包，再写R脚本自动读取原始数据来绘图，这样能保证图表风格的一致性，也能提高脚本的可复用性，轻松变换格式应对不同场合。
  我同学从她师姐那儿儿只得到图表，没有原始数据，当编辑让他修改图片格式的时候，他就没办法了。

• Generate Hierarchical Analysis Output, Allowing Layers of Increasing Detail to Be Inspected
  不仅单单给出最终的结论，还要良好地组织各子结果。文中推荐超文本文件(html文件)，Blast2GO便是采用此方法。某家生物信息学公司还专门开发了一套软件来管理分析结果。

• Connect Textual Statements to Underlying Results
  集成课题相关的材料，便于追踪课题思路和结果。我觉得可以为每一个课题专门建立网站来管理数据。

• Provide Public Access to Scripts, Runs, and Results
  计算方面的论文一般都要提供软件下载、或者在线服务，实验所采用的数据通常也应该提供下载。这样能提高审稿的质量和速度，也能增加论文被接受的机会，也能增加论文发表后被引用的机会，更重要的是有利于研究工作的长远发展。

此外，还有一些文中没有涉及的东西。下面是我的血泪史换来的一些经验：

• 课题数据的文件组织，我常见的组织形式：/backup, /data, /analysis, /scripts/, /paper, /reference, /doc。
• 良好的软件架构/结构，代码的模块化，代码重构，可移植性。
• 编码的规范性，比如Perl要用use strict，要用perltidy格式化代码
• 做完整的单元测试，避免今后后悔莫及。
• 如果数据量太大，要么多线程编程，要么把数据分割。并行计算。

希望对大家有用，欢迎大家补充。

本文转自爪爪《可复现的计算科学研究十条简单规则，以及自己的一些经验》http://blog.shenwei.me/ten-simple-rules-for-reproducible-computational-research/